近日，上海人工智能实验室发布“书生”物理世界模型W0 ，为大模型能力从数字空间走向物理世界提供关键支撑 ，进而为科学智能从方案推演走向真实实验打开全新路径 。
W0从设计之初就将视觉、力觉和触觉融为一体 ，让机器人边感知 、边预测 、边行动、边修正 ，四者并行，不用像过去那样按部就班 。其核心突破包括“原生力触 ”和“双工协同”——
W0在视觉之外融入“原生力触 ”感知 ，让接触过程中的反馈与视觉 、身体状态共同参与操作判断，进入模型的感知与动作决策过程。当机器人接近物体时，视觉帮助确定操作目标与运动方向；进入接触阶段后 ，力触反馈进一步提供受力变化的依据；身体状态则反映机器人当前的姿态与运动情况 。多种信号相互补充 ，使动作调整能够依据更完整的现场信息展开 。
而W0的“双工”，对应多模态信息的输入与输出两个方向。输入端持续接收语言指令 、视觉观测、力触反馈与身体状态等信息；输出端据此生成语义理解结果 、未来状态预测与动作指令等内容 。这种“双工 ”设计 ，使接收新信息与生成新输出并行推进：模型在输出过程中仍能处理新的输入 ，并据此更新预测 、调整后续动作 。在异步异频架构的支持下，后台规划更新期间 ，机器人仍能处理新的环境信息、更新后续动作 ，无需让每一次动作调整都等待新一轮规划完成。
上海AI实验室科研人员告诉新民晚报记者，这意味着 ，机器人能在视觉受限的精密操作中获得判断依据——无论是否握稳、是否接触到位 ，还是下一步该如何调整，W0都能给出可靠的动作指导。
值得一提的是 ，为支撑多模态输入与输出的持续协同 ，W0采用“异步异频 ”的算法架构，让未来预测与动作执行按照各自的计算特点，在不同时间尺度上协同运行——“异步”使后台规划与实时行动能够并行推进 ，减少环节之间的等待；“异频”使较长时间尺度上的预测与高频动作更新相互配合 ，将计算资源用于处理各自需要的信息 。在规划持续更新的同时，动作系统保持对新观测的响应 ，让视觉 、力觉与身体状态等信号更及时地进入决策链路 。高效的信号处理与高频动作更新相互配合 ，有助于缩短从环境变化发生到动作作出调整之间的间隔。
据悉，W0现已接入“书生·端砚 ”科学发现平台 ，与书生科学大模型S2共同支撑科研人员完成了基因编辑蛋白定向进化 、美哌卡因有机合成、脂质纳米颗粒合成等干湿实验闭环 。未来 ，随着人工智能在与物理世界的交互中加速进化，化学 、生物 、材料等领域的重大科学发现将迎来前所未有的契机 。
（文章来源：上观新闻）
